Kirill Eremenko

作为教育者,没有什么比帮助我们的学生在数据科学中找到自己的路更快乐的了。几个月前,我们向所有社区成员发送了一份调查,询问他们在开始数据科学生涯时的担忧。

我们收到了超过1000条回复!关于将它们分成共同主题,出现了下列问题:

在我的职业生涯刚开始的时候,我很想有机会问这些问题。我将为你提供我最好的入门技巧,给你很多关于你可以在哪里找工作的想法,并告诉你如何在没有经验的情况下开始从事数据科学(这并不是像你想的那样不可能!)

数据科学A-Z™:包括真实的数据科学练习

最后更新2020年8月

  • 217个讲座
  • 所有级别
4.6 (27357)

通过真实的分析示例一步一步地学习数据科学。数据挖掘,建模,图表可视化和更多!|由Kirill Eremenko,超级数据科学团队

探索课程

我们为什么需要数据科学?

我喜欢回答这个问题——数据科学家总是在寻找商业“为什么”的答案。

要得出结论,我们需要了解这个领域到底是什么。数据科学包含与数据相关的一切。当你考虑到数据是多么的无处不在时,这听起来有些宽泛,但事实就是如此。

曾几何时,数据科学只能作为其他领域中的一个组件。多年来,这些领域开发了自己的算法、方法和使用数据来回答业务问题的社区。但是,由于数据驱动一切,一个学科独立出现只是时间问题。

而出现它具有:领域已经出现了严重的增长,因为我们可以从谷歌趋势的搜索术语“数据科学”的这一结果看:

你自己试试吧。与所有伟大的数据科学工具一样,你可以过滤你的结果(这里,根据时间、地点、主题类别)。

由于学科可以适用于任何地方,有数据,并作为其原则增加价值,我们可以对企业的运作方式一个显著的影响。

结论:

我们需要数据科学

从事数据科学工作需要什么?

随着数据科学越来越引人注目,许多人已经注意到了这个领域,但他们仍然对如何访问它感到困惑。好消息是,这个主题是如此的新以至于目前还没有进入这个行业的“标准”方法。

Hadelin de Ponteves和我走上了不同的道路成为数据科学领域的企业家,所以你可能会发现你在我们的故事中发现了自己:

Hadelin de Ponteves

Hadelin在高中时就开始了他的数据科学之旅,当时他对数学产生了热情。在选择大学学位时,哈德林自然选择了数学。在完成他的本科学位后,Hadelin认为他还没有完成这门学科,所以他开始攻读数学硕士学位。

对Hadelin来说,去法国的一所工程学校学习是合乎逻辑的。在那里,他加深了自己对一系列学科的知识,从数学到经济学,生物学,甚至哲学,然后专攻机器学习(ML)和应用数学。

为了加强他的投资组合,Hadelin还利用了在法国高端有线电视频道Canal+实习的机会,在那里他学会了财务和战略方面的诀窍。最终,Hadelin想要找到一个既能继续他的学业又能将他的理论应用于商业的地方。

毕业后不久,Hadelin就被谷歌公司收购了,他在谷歌公司的商业智能部门担任数据科学家。在谷歌这样的大型企业集团工作,给了他无限的深度学习经验。但他的目标一直是成为一名企业家,所以Hadelin决定是时候开始为下一代数据科学家制作在线课程了。

真正的关键,他的成功?Hadelin发誓一家大型酒吧的巧克力,每天一次!巧克力吃山是不会把你变成下一个Hadelin,但是我们从这个外卖是做什么让你感到快乐,充满活力。旅程数据的科学,需要奉献精神和技巧:不要忘记善待自己的方式。

Kirill Eremenko

我的故事开始于我第一次坐在棋盘前。我喜欢国际象棋,尤其是这种游戏背后的逻辑和策略。我每走一步棋都要花很长时间,因为我痴迷于分析每一种获胜的可能性!

早期对逻辑的兴趣是吸引我在大学学习物理的原因。尽管我很喜欢这门课,它也给了我一些可以应用于其他领域的基础知识,但我没有在大学毕业后继续学习它,因为它会把我局限在一个领域。

此外,我一直对以商业为导向的科目表现出兴趣,对任何可能发生的事情都更加广泛和多才多艺。正是出于这个原因,我攻读了会计与金融硕士学位。这两个科目都是建立创业信心的基础。

尽管如此,我还是很谨慎——我知道要想成功,我需要看看别人是怎么做的。为了获得这方面的知识,我申请了德勤会计部门的一份工作,并且非常幸运地得到了这份工作。在我工作的第一天,德勤的一位合伙人看了我的简历,说我非常适合他们的数据科学系——我凭什么说不?

我发现,在德勤工作,对专业服务公司运营方式的研究很有吸引力,也让我学会了如何在数据科学方面表现出色。

对于许多想要进入这个行业的人来说,德勤可能是下金蛋的鹅,但不要只瞄准那些最大牌的公司。我在那里有这么好的经历,不是因为它是一个著名的跨国公司,而是因为他们允许我运用我的知识,提高我的技能。这是任何一个刚进入这个行业的人想要脱颖而出所需要的——发展的机会。只要选择一个行业,并探索其中多种类型的公司。

这是我从我的下一份工作想:创造和建设上我所学到的东西。当我被一个养老基金挖走,他们有我发展自己的数据科学部从无到有,想出一个方法来帮助一起在他们的数据的组织工作,并提供了不同的方法,以客户体验。

我在那里工作过得很愉快,但这让我渴望为他工作。当他觉得自己准备好了,积累了足够的经验后,我一跃成为企业家,开始创建Udemy的数据科学课程。

结论:

数据科学没有唯一的途径,所以世界是你的。对我们来说,关键是确保你在教育和经验之间取得平衡,从而在这个行业中变得有知识和自信,但在哪里以及如何获得这些取决于你自己。

从别人的经验中寻找知识,尽可能多地阅读,与曾经有过类似经历的人交流,在实现自己的数据科学目标的过程中享受乐趣!

我怎样才能保证我的工作不受未来的影响?

随着数据呈指数级增长,按理说,我们将需要更多的数据科学家,以产生可以处理它的工具。这可能使我们相信,在科学数据的职业生涯是从自动化安全。

然而,这并不是事情的全部——我们在制造处理数据的工具方面做得越好,我们在自己的领域就越自动化。有些机器人可以处理整个数据科学过程,而不需要人工交互。

那么,数据科学家会被他们自己的算法所取代吗?

Hadelin和我已经和DataRobot的CEO Jeremy Achin讨论过这个问题。Achin和他的团队已经创建了一个自助的ML平台,任何人都可以上传他们的数据供机器处理。这些机器人还不太初级。它们不仅能让你从输入的数据中获得洞察力,还能让你对需要解决的特定问题有更深刻的了解。DataRobot是实现数据分析自动化的众多公司之一。

我们知道,该领域是移动的方式,我们不想卖给你任何虚假的梦想,如果你成为一个数据科学家,你的工作将是100%的安全。保持领先的游戏方式是理解的是,虽然数据机器人可能确实推动了数字打交道,数据科学也依赖于人们梦想着新的方式来获取,存储和处理信息。

机器也许能够更快地完成任务,甚至能够确定任务的最佳解决方案,但它(目前)还不能为数据科学项目设计出全新的方法。

想想看——是遵循规则来获得结果更困难,还是想出全新的途径来实现结果更困难?

现在就进入这个领域是提高自己技能的最佳时机,这样你就不会去做那些“有风险”的任务,保护自己不受自动化的威胁。因此,我们能给出的最好建议就是集中精力增强你的创造力。

要想对你的职业有更长远的见解,只有一个切实可行的建议可以遵循:保持自己的好奇心,让自己保持饥渴,并尽可能多地学习。即使有一股数据浪潮正朝着这个方向移动,我们也不想让你惊慌,因为随之而来的是数百个新的、令人兴奋的机会。你只需要做好准备,最好的方法就是马上开始!

结论:

机器人将变得更加智能,而数据科学也不能完全免受自动化的影响。但我们也需要数据科学家来理解这些机器人、机器人和算法的机制。它们的功能是如何工作的?如何管理它们?我们如何为公司获得可执行的产出?我们还需要思考者——能够承担机器处理不了的创造性任务的人。尽早进入游戏,当自动化开始发生时,您将遥遥领先。

我应该什么时候开始学习数据科学?

考虑到这个领域还处于起步阶段,有些人想知道,等到它发展成熟后再涉足是否更好。如果你读过前面的观点,你应该知道我们对这个问题的答案:没有比现在更好的时间。

公司现在开始将数据科学团队引入到他们的组织中——甚至包括那些核心输出与科学无关的团队!我们生活在一个高度竞争的世界。精明的公司明白,要想留在这个游戏中,他们需要一个数据科学团队来深入了解客户和商业运作,从而获得竞争优势,确保他们不会被赶出市场。

这意味着,当一家公司开始使用数据科学时,它的竞争对手将别无选择,只能效仿。

随着大多数公司都在创建数据科学团队,更多的机会将会出现。定量紧缩,刻录玻璃科技汇报委托数据的科学领导IBM注意到:

IBM表示,到2020年,美国所有数据专业人士的就业岗位将增加36.4万个,至272万个。

如果我们考虑到美国的人口接近4亿,这实际上意味着今年超过0.5%的美国人口将从事数据科学!数据科学工作通常会持续45天,“比市场平均水平长5天”(Burning Glass Technologies, 2017年)。这意味着公司要想找到合适的人选要困难10%,这说明目前没有合适的人才。

那么,你还在等什么?现在尽你所能进入这个领域,无论是在教育领域还是实践领域,确保你是未来社会的一份子。

结论:

有很多方法可以开始,而且你现在就可以这样做:为什么不上一门课,抓几本好书,成为一名实习生,用真实的数据集练习,或者在公民科学项目中提供帮助呢?即使你在这个阶段“只是”在自我教育,你仍然可以让自己留在游戏和社区中。如果你只是在等待时机,那就不要这样做。公司正在寻找你,他们愿意给你丰厚的薪水。

页面最后更新:2020年4月

在数据科学顶级球场

数据科学课程2020:完成数据科学训练营
365个职业,365个职业团队
4.5 (73531)
畅销书
数据科学2020:完成数据科学和机器学习
Jitesh Khurkhuriya,Jitesh的数据科学与机器学习A-Z团队
4.6 (1012)
商业数据科学| 6真实案例研究
Ryan Ahmed博士,博士,MBA, Kirill Eremenko, Hadelin de Ponteves,超级数据科学团队,Mitchell Bouchard, Stemplicity Q&A支持
4.6 (244)
畅销书
数据科学:Python的深度学习
懒惰的程序员公司
4.6 (6700)
数据科学:Python中的监督机器学习
懒惰的程序员公司
4.6 (1896)
因果数据科学与有向无环图
保罗Hunermund
4.7 (125)
机器学习实践锻炼| 8现实世界的项目
Ryan Ahmed博士,博士,MBA, Kirill Eremenko, Hadelin de Ponteves,超级数据科学团队,Mitchell Bouchard
4.5 (624)
Python数据科学与熊猫:硕士12高级项目
亚历山大Hagmann
4.6 (118)
畅销书
NLP: AWS的自然语言处理ML模型部署
Laxmi Kant | KGP对讲机
4.6 (43)

更多数据科学课程

数据科学专业的学生也要学习

让你的团队。领导行业。

通过Udemy for Business为你的组织订阅在线课程和数字学习工具库。

申请演示

Kirill Eremenko的课程

从A到Z的深度学习
Hadelin德蓬特韦,基里尔Eremenko,查尔斯·博尔德
4.5 (1962)
畅销书
数据科学A-Z™:包括真实的数据科学练习
Kirill Eremenko,超级数据科学团队
4.6 (27357)
访谈问答:数据科学职业
Kirill Eremenko,超级数据科学团队
4.2 (415)
R编程A-Z™:R用于数据科学与实际练习!
Kirill Eremenko,超级数据科学团队
4.6 (34593)
畅销书
数据驱动营销A-Z:提高你的活动表现
大卫Tanaskovic,基里尔Eremenko,SuperDataScience团队
4.3 (336)
Z的数据科学
Kirill Eremenko, Hadelin de Ponteves,超级数据科学团队
4.5 (2066)
畅销书
R编程:用于数据科学的R高级分析
Kirill Eremenko,超级数据科学团队
4.7 (6098)
Python A-Z™:带实际练习的Python数据科学!
Kirill Eremenko,超级数据科学团队
4.6 (17151)
Tableau 2020 A-Z:动手进行数据科学的Tableau培训
Kirill Eremenko,超级数据科学团队
4.6 (53469)
畅销书
Tableau 20高级培训:掌握数据科学中的Tableau
Kirill Eremenko,超级数据科学团队
4.7 (10798)
评价最高
机器学习A-Z™:在数据科学中使用Python和R
Kirill Eremenko, Hadelin de Ponteves,超级数据科学团队,超级数据科学支持
4.5 (129449)
畅销书
Power BI A-Z:数据科学的动手Power BI培训!
Kirill Eremenko,超级数据科学团队
4.4 (9352)

Kirill Eremenko的课程